Corea del Norte se proclama campeona del Mundial tras entrenar a su selección con inteligencia artificial y golea a Estados Unidos por 11-0 en la final
La selección de Corea del Norte, situada históricamente por debajo del puesto 110 en el ranking FIFA, se ha proclamado campeona del mundo tras una preparación que su federación delegó íntegramente en un sistema de inteligencia artificial. El equipo completó el torneo con siete victorias, ningún gol encajado y una final resuelta por 11-0 ante Estados Unidos, el marcador más amplio jamás registrado en una final.
Según el comunicado oficial del Instituto Central de Optimización Deportiva mediante Redes Neuronales de Pyongyang, ningún miembro del cuerpo técnico humano dio una sola instrucción durante la competición. «Nuestra función se limitó a transcribir las decisiones del modelo y trasladarlas al banquillo», declaró el organismo.
Un modelo de aprendizaje por refuerzo entrenado con 400 años de partidos simulados
El núcleo del sistema es una arquitectura de aprendizaje por refuerzo profundo con auto-juego (self-play), la misma familia técnica que DeepMind popularizó con AlphaZero y MuZero para el ajedrez y el Go, y que ya se había demostrado en videojuegos complejos con AlphaStar (StarCraft II) y OpenAI Five (Dota 2). En lugar de aprender de partidos humanos, el modelo jugó contra copias de sí mismo hasta acumular el equivalente a más de 400 años de fútbol.
El entrenamiento se ejecutó sobre un clúster de GPUs NVIDIA H100 y las simulaciones físicas se levantaron en un entorno de gemelo digital construido con NVIDIA Isaac Sim y Omniverse, donde cada jugador se representó como un agente con una política optimizada por función de recompensa. «La recompensa no era marcar goles, sino maximizar la diferencia esperada de posesión bajo presión. Los goles fueron una consecuencia», explicó el doctor Han Ji-Woo, responsable de modelado de recompensas del instituto.
Del laboratorio al césped: visión por computador y captura de movimiento
Durante los partidos, un sistema de visión por computador similar al que emplean Second Spectrum, StatsBomb y Hawk-Eye rastreó la posición de los 22 futbolistas y el balón a 25 fotogramas por segundo. Esos datos alimentaron un modelo de tipo transformer que, según la federación, predecía la jugada rival «entre 1,8 y 2,3 segundos antes de que ocurriera», con un margen de error inferior al de TacticAI, el sistema que DeepMind desarrolló junto al Liverpool para optimizar saques de esquina.
La preparación física siguió la misma lógica. Los jugadores entrenaron con trajes de captura de movimiento y sensores biomecánicos, y cada gesto se comparó contra el modelo para corregir microdesviaciones en la zancada. «El delantero centro no elige dónde colocar el pie. Se lo dice el sistema por un auricular con una latencia de once milisegundos», precisó el doctor Han.
La final: 11-0 y un modelo que «nunca perdió la posesión esperada»
En la final, disputada ante 82.000 espectadores, Estados Unidos no completó más de tres pases seguidos en toda la primera parte. El sistema norcoreano reconfiguró su formación catorce veces sin que ningún jugador recibiera indicación verbal aparente. Al descanso, el marcador era de 7-0.
La selección estadounidense, que había invertido según fuentes del propio equipo «una cantidad considerable» en su propia solución de análisis con proveedores como Hudl y SciSports, reconoció que su modelo «se limitaba a recomendar cambios y no a ejecutarlos». «Jugábamos contra un rival que ya sabía lo que íbamos a hacer. Nosotros seguíamos deliberando», admitió su seleccionador.
Reacciones
La FIFA ha abierto una consulta técnica para determinar si el reglamento contempla la figura del entrenador no humano. Un portavoz confirmó que «no existe ningún artículo que prohíba explícitamente que las decisiones tácticas las tome un sistema de aprendizaje por refuerzo», aunque advirtió de que el asunto «se estudiará con calma».
En Pyongyang, la celebración fue moderada. «Ya lo había predicho el modelo en la fase de grupos con una probabilidad del 99,4 %, así que tampoco nos sorprendió», comentó un aficionado a pie de calle. El instituto ha anunciado que su próximo objetivo es aplicar la misma arquitectura al waterpolo, disciplina en la que reconoce «un problema abierto»: el modelo aún no ha aprendido a nadar, pero calcula que lo resolverá en dos actualizaciones.